机器学习及其Python实践(微课视频版慕课版全国高等院校计算机教育研究会十四五规划教

本书面向研究型开发与 创新能力培养，重点讲解机 器学习的基本原理和前沿思 想。Python是开展机器学习 编程实践的主流语言，本书 为常用的机器学习模型提供 了完整的Python实现代码。 本书在“学堂在线”网站同步 开设配套慕课课程，供读者 免费学习。 本书可作为高等学校相 关专业“机器学习”“统计学 习”等课程的教材，也可作 为有一定基础的读者的自学 参考书。

第1章 机器学习导论 1.1 测算房价的数学模型 1.1.1 通过样本确定模型参数 1.1.2 为机器学习模型编写程序 1.2 随机模型及其学习算法 1.2.1 最小二乘法 1.2.2 极大似然估计 1.2.3 回归分析方法 1.3 随机变量与数学语言 1.3.1 随机变量 1.3.2 随机变量应用举例 1.3.3 数学语言 1.4 更加复杂的数学模型 1.4.1 数学形式未知的模型 1.4.2 多元模型 1.4.3 用矩阵描述问题及算法过程 1.5 机器学习问题 1.6 本章习题 第2章 回归分析 2.1 编程环境与数据集 2.2 数据集加载与预处理 2.2.1 加载并浏览数据集 2.2.2 缺失值与重复值 2.2.3 特征选择 2.2.4 非数值型特征的编码 2.2.5 数值型特征的标准化 2.3 模型训练与评价 2.3.1 训练集与测试集 2.3.2 模型训练与梯度下降法 2.3.3 模型评价与k折交叉验证 2.4 正则化 2.4.1 正则化方法 2.4.2 岭回归与超参数调优 2.4.3 LASSO回归与坐标下降法 2.5 非线性回归 2.5.1 换元法 2.5.2 逻辑斯谛回归 2.6 本章习题 第3章 分类问题 3.1 贝叶斯分类器 3.1.1 贝叶斯决策 3.1.2 朴素贝叶斯与参数估计 3.1.3 逻辑斯谛回归与牛顿法 3.2 非贝叶斯分类器 3.2.1 k近邻分类器与距离度量 3.2.2 线性判别分析与特征空间 3.2.3 决策树 3.3 多分类问题与分类模型评价 3.3.1 二分类与多分类 3.3.2 分类模型的评价指标